基于多个领域本体的文本层次被定义聚类方法.pdfVIP

第 37 卷第 3 期 2010 年 3 月 计算机科学 Computer Science Vol. 37 No.3 Mar 2010 基于多个领域本体的文本层次被定义聚类方法 张爱琦在万利正英梁滞 (吉林大学计算机科学与技术学院 长春 130012) 摘 襄 传统的聚类方法常常将文本中关键坷的相似度作为聚类的依据，丢失了很多重要的语义信息，导致聚类结采 不够准确且计算量大。提出了一种基于多个领域本体的文本层次聚类方法，利用多个领域本体将用关键饲农示的文 本特征向量表示为与之匹配的概念向量集，定义文本相似皮的计算公式，设计并实现基于多个领域本体的文本凝聚聚 类算法。实脸结身巳农明，该方法从概念层次上表示和处理文本，降低了提类对象空间的维皮，减少了计算量，提高了义 本聚类的精确度和聚类效率。 关键调 领域本体，相似皮计算，凝聚层次聚类 中圄法分提号 TP391 文献标识码 A Text Hierarchical Clustering Based OD Several DomaiD 伽tol略阳 ZHANG Ai-qi ZUO Wan-li WANG Ying LIANG Hao (College of Computer Science and 丁echnology. Jmn University. Changchun 130012. Chína) Abstract Traditional clustering methods are usually based on the similarity of keywords appearing in documents. Since these methods may leadωthe loss of lots of semantic information, their clustering results are not accurate enough and often need large amount of computation. A new method for hierarchically clustering documents based on 附veral domain ontologies was pro仰自ed. This method first transformed keyword-based vectors into corresponding concept-based vec- tors making use of several domain ontologies. Then , a formula was given for calculating similarities between different documents. An algorithm for document clustering based on several domain ontologies was proposed and its correspon- ding prime system was also designed and implemented. The experimental results show that 0盯 method can express and process documents from the perspective of concept semantics. lt can decrease the amount of computation by reducing the dimension of the space of clustered objects and improve both the accuracy and the efficiency of document clustering. Ke阳伽咖 Domain ontology. Similarity computing , Agglomerate hierarchical c1ustering 随着 Internet 和 Intranet 的飞速发展，各种电子文本数据 急剧增加，对其快速、有效地投取、管理和使用已经成为信息 科学和技术领域的一大挑战。文本聚类技术能自动对文本信 息进行处膊，将大酷倍息按照特征元监督地进行分挠，使用户 从繁琐的文梢处理工作中解放出来，极大地提高了信息处理 的准确率。文本聚类技术作为文本信息处理的撞要技术之 …. ，得到了相关研究者的广挺关植。 文本聚费方法按数据的积聚规则通常分为层次法[IJ 、划 分方法和基于模型的方法等。层次法将数据对象在不间阶段 组成不同粒庶的髓，在簇的凝聚和分型过程中不断改